【技术实现步骤摘要】
基于三维扫描和深度学习的个性化服装尺码匹配方法
本专利技术涉及服装领域,具体涉及一种大数据环境下基于三维扫描和深度学习的个性化服装尺码匹配方法。
技术介绍
深度学习(DeepLearning,DL)或阶层学习(hierarchicallearning)是机器学习的技术和研究领域之一,通过建立具有阶层结构的人工神经网络(ArtifitialNeuralNetworks,ANNs),在计算系统中实现人工智能。由于阶层ANN能够对输入信息进行逐层提取和筛选,因此深度学习具有表征学习(representationlearning)能力,可以实现端到端的监督学习和非监督学习。此外,深度学习也可参与构建强化学习(reinforcementlearning)系统,形成深度强化学习。深度学习所使用的阶层ANN具有多种形态,其阶层的复杂度被通称为“深度”。按构筑类型,深度学习的形式包括多层感知器、卷积神经网络、循环神经网络、深度置信网络和其它混合构筑。深度学习使用数据对其构筑中的参数进行更新以达成训练目标,该过程被通称为“学习”。学习的常见方法为梯度下降算法及其变体,一些统计学习理论被用于学习过程的优化。在应用方面,深度学习被用于对复杂结构和大样本的高维数据进行学习,按研究领域包括计算机视觉、自然语言处理、生物信息学、自动控制等,且在人像识别、机器翻译、自动驾驶等现实问题中取得了成功。传统技术存在以下技术问题:深度学习还没有应用到个性化服装匹配领域。
技术实现思路
本专利技术要解决的技术问题是提供一种大数据环境下基于三维扫描和深度学习的个性化服装尺码匹配方法,提高个性化服装的尺 ...
【技术保护点】
1.一种大数据环境下基于三维扫描和深度学习的个性化服装尺码匹配方法,其特征在于,包括:针对某一类别的服装首先主要先在该类别服装产业链上获取大量数据,进行数据的采集,获得该产业链的大数据环境,在此基础上梳理出该大数据环境下的“成功”类别的数据,建立该类别服装的“人体体型‑服装尺码”成功匹配案例库;通过三维扫描对消费者进行人体扫描,并获取消费者的人体关键部位尺寸信息,该信息将和“案例中人体关键部位尺寸信息库”中的案例进行比对,搜寻相似案例的体型信息,并调用“成功被匹配的尺码信息库”中与之相关联的相似案例的被匹配的尺码结果。
【技术特征摘要】
1.一种大数据环境下基于三维扫描和深度学习的个性化服装尺码匹配方法,其特征在于,包括:针对某一类别的服装首先主要先在该类别服装产业链上获取大量数据,进行数据的采集,获得该产业链的大数据环境,在此基础上梳理出该大数据环境下的“成功”类别的数据,建立该类别服装的“人体体型-服装尺码”成功匹配案例库;通过三维扫描对消费者进行人体扫描,并获取消费者的人体关键部位尺寸信息,该信息将和“案例中人体关键部位尺寸信息库”中的案例进行比对,搜寻相似案例的体型信息,并调用“成功被匹配的尺码信息库”中与之相关联的相似案例的被匹配的尺码结果。2.如权利要求1所述的大数据环境下基于三维扫描和深度学习的个性化服装尺码匹配方法,其特征在于,所述“人体体型-服装尺...
【专利技术属性】
技术研发人员:洪岩,白瑞生,吴佳毅,孙玉发,
申请(专利权)人:洪岩,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。